Kimi K2 Thinking هو إصدار "تفكير" جديد من Moonshot AI ضمن عائلة Kimi K2: نموذج Mixture-of-Experts (MoE) متناثر بعدد بارامترات يصل إلى تريليون، مُصمَّم صراحةً لـيفكّر أثناء التصرف — أي ليمزج بين سلاسل استدلال عميقة وبين استدعاءات أدوات موثوقة، وتخطيط طويل الأمد، وآليات تحقق ذاتي مؤتمتة. يجمع بين عمود فقري متناثر كبير (≈1T من إجمالي البارامترات، مع ~32B مُفعَّلة لكل رمز)، وخط أنابيب تكميم أصلي بنمط INT4، وتصميم يوسّع تفكير زمن الاستدلال (المزيد من "رموز التفكير" والمزيد من جولات استدعاء الأدوات) بدلاً من مجرد زيادة عدد البارامترات الثابتة.
بعبارة مبسطة: يتعامل K2 Thinking مع النموذج كـوكيل لحل المشكلات وليس كمولّد لغة أحادي الطلقة. هذا التحول — من "نموذج لغوي" إلى "نموذج تفكير" — هو ما يجعل هذا الإصدار لافتًا، ولماذا يعتبره كثير من الممارسين علامة فارقة في الذكاء الاصطناعي الوكيلي مفتوح المصدر.
ما هو "Kimi K2 Thinking" تحديدًا؟
البنية والمواصفات الأساسية
بُني K2 Thinking كنموذج MoE متناثر (384 خبيرًا، يُختار 8 خبراء لكل رمز) بحوالي تريليون بارامتر إجمالي و~32B بارامتر مُفعّل لكل استدلال. يستخدم اختيارات معمارية هجينة (انتباه MLA، تفعيلات SwiGLU) وتدرّب باستخدام مُحسِّن Muon/MuonClip من Moonshot على ميزانيات ضخمة من الرموز كما هو موصوف في تقريرهم التقني. يمتد إصدار التفكير على النموذج الأساسي عبر تكميم بعد التدريب (دعم INT4 أصلي)، ونافذة سياق 256k، وهندسة تُظهر وتثبّت أثر الاستدلال الداخلي للنموذج أثناء الاستخدام الفعلي.
ماذا يعني "التفكير" عمليًا
"التفكير" هنا هدف هندسي: تمكين النموذج من (1) توليد سلاسل طويلة ومُنظّمة من الاستدلال الداخلي (رموز سلسلة التفكير)، (2) استدعاء أدوات خارجية (البحث، أُطر بايثون المعزولة، المتصفحات، قواعد البيانات) كجزء من ذلك الاستدلال، (3) تقييم والتحقق ذاتيًا من الادعاءات الوسيطة، و(4) التكرار عبر العديد من هذه الدورات دون انهيار الاتساق. تُظهر وثائق Moonshot وبطاقة النموذج أن K2 Thinking تم تدريبه وضبطه صراحةً لمزج سلسلة التفكير مع استدعاءات الدوال/الأدوات، والاحتفاظ بسلوك وكالتي مستقر عبر مئات الخطوات.
ما الهدف الجوهري
قيود النماذج واسعة النطاق التقليدية هي:
- أن عملية التوليد قصيرة النظر وتفتقر إلى المنطق عبر الخطوات؛
- استخدام الأدوات محدود (عادةً لا يمكن استدعاء الأدوات الخارجية إلا مرة أو مرتين)؛
- تعجز عن تصحيح ذاتها في المشكلات المعقدة.
الهدف التصميمي الأساسي لـ K2 Thinking هو حل هذه المشكلات الثلاث. عمليًا، يمكن لـ K2 Thinking، دون تدخل بشري: تنفيذ 200–300 استدعاء أداة متتاليًا؛ الحفاظ على مئات الخطوات من الاستدلال المتماسك منطقيًا؛ حل المشكلات المعقدة من خلال التحقق الذاتي السياقي.
إعادة التموضع: نموذج لغوي → نموذج تفكير
يوضح مشروع K2 Thinking تحولًا استراتيجيًا أوسع في المجال: تجاوز توليد النص المشروط نحو محللي مشكلات وكالتيين. الهدف الأساسي ليس تحسين Perplexity أو التنبؤ بالرمز التالي، بل صنع نماذج يمكنها:
- التخطيط لاستراتيجياتها متعددة الخطوات؛
- تنسيق الأدوات والمُؤثِّرات الخارجية (بحث، تنفيذ كود، قواعد معرفة)؛
- التحقق من النتائج الوسيطة وتصحيح الأخطاء؛
- الحفاظ على الاتساق عبر سياقات طويلة وسلاسل أدوات ممتدة.
يعيد هذا التأطير تشكيل كلًا من منهجيات التقييم (تؤكد المقاييس على العمليات والنتائج، لا جودة النص فحسب) والهندسة (بُنى لتوجيه الأدوات، عدّ الخطوات، النقد الذاتي، إلخ).
أساليب العمل: كيف تعمل نماذج التفكير
عمليًا، يُظهر K2 Thinking عدة أساليب عمل تُجسّد نهج "نموذج التفكير":
- آثار داخلية مستمرة: يُنتج النموذج خطوات وسيطة مُهيكلة (آثار استدلال) تُحفظ في السياق ويمكن إعادة استخدامها أو تدقيقها لاحقًا.
- توجيه أدوات ديناميكي: بناءً على كل خطوة داخلية، يقرر K2 الأداة التي سيستدعيها (بحث، مفسر كود، متصفح) ومتى يستدعيها.
- التوسيع وقت الاستدلال: أثناء الاستدلال، يمكن للنظام توسيع "عمق التفكير" (المزيد من رموز الاستدلال الداخلية) وزيادة عدد استدعاءات الأدوات لاستكشاف الحلول بشكل أفضل.
- التحقق الذاتي والتعافي: يتحقق النموذج صراحةً من النتائج، يُجري اختبارات سلامة، ويعيد التخطيط عندما تفشل عمليات التحقق.
تجمع هذه الأساليب بين معمارية النموذج (MoE + سياق طويل) وهندسة النظم (تنسيق الأدوات، ضوابط الأمان).
ما الابتكارات التقنية التي تمكّن Kimi K2 Thinking؟
تدعم آلية الاستدلال في Kimi K2 Thinking التفكير المتداخل مع استخدام الأدوات. حلقة استدلال K2 Thinking:
- فهم المشكلة (تحليل وتجريد)
- توليد خطة استدلال متعددة الخطوات (سلسلة خطة)
- استخدام الأدوات الخارجية (كود، متصفح، محرك رياضي)
- التحقق من النتائج وتنقيحها (تحقق ونقّح)
- اختتام الاستدلال (خلاصة الاستدلال)
أدناه، سأعرض ثلاث تقنيات رئيسية تجعل حلقات الاستدلال في xx ممكنة.
1) التحجيم وقت الاختبار
ما هو: تركز "قوانين التحجيم" التقليدية على زيادة عدد البارامترات أو البيانات أثناء التدريب. تكمن ابتكارية K2 Thinking في: التوسيع الديناميكي لعدد الرموز (أي عمق التفكير) أثناء "مرحلة الاستدلال"؛ وبالتزامن، توسيع عدد استدعاءات الأدوات (أي عرض الفعل). يُسمّى هذا الأسلوب التحجيم وقت الاختبار، وافتراضه الجوهري هو: "سلسلة تفكير أطول + أدوات أكثر تفاعلية = قفزة نوعية في الذكاء العملي".
لماذا يهم: يحسّن K2 Thinking هذا الأمر صراحةً: تُظهر Moonshot أن توسيع "رموز التفكير" وعدد/عمق استدعاءات الأدوات يحقق تحسنات قابلة للقياس في مقاييس الوكالة، مما يتيح للنموذج التفوق على نماذج أخرى ذات حجم مماثل أو أكبر في سيناريوهات متساوية في FLOPs.
2) الاستدلال المعزَّز بالأدوات
ما هو: تم هندسة K2 Thinking لفهم مخططات الأدوات محليًا، واتخاذ قرار ذاتي حول توقيت استدعاء الأداة، وإدماج نتائج الأداة مرة أخرى في تيار الاستدلال الجاري. درّبت Moonshot النموذج وضبطته لمزج سلسلة التفكير مع استدعاءات الدوال/الأدوات، ثم ثبّتت هذا السلوك عبر مئات من خطوات الأدوات المتتابعة.
لماذا يهم: هذا المزيج — تحليل موثوق + حالة داخلية مستقرة + أدوات واجهات برمجة تطبيقات — هو ما يمكّن النموذج من التصفح على الويب، تشغيل الكود، وتنظيم تدفقات عمل متعددة المراحل ضمن جلسة واحدة.
داخل معماريته الداخلية، يُشكّل النموذج مسار تنفيذ لـ"عملية تفكير مُصوّرة": مُدخل → رموز استدلال → استدعاء أداة → ملاحظة → الاستدلال التالي → الإجابة النهائية
3) الاتساق بعيد المدى والتحقق الذاتي
ما هو: الاتساق بعيد المدى هو قدرة النموذج على الحفاظ على خطة متماسكة وحالة داخلية عبر العديد من الخطوات وعلى مدى سياقات طويلة جدًا. يعني التحقق الذاتي أن النموذج يفحص مخرجاته الوسيطة استباقيًا ويعيد التنفيذ أو يُنقّح الخطوات عندما يفشل التحقق. كثيرًا ما تتسبب المهام الطويلة بانحراف النماذج أو هذيانها. يعالج K2 Thinking ذلك عبر عدة تقنيات: نوافذ سياق طويلة جدًا (256k)، استراتيجيات تدريب تحافظ على الحالة عبر سلاسل تفكير طويلة، ونماذج تحكيم على مستوى الجملة لاكتشاف الادعاءات غير المدعومة.
لماذا يهم: تحافظ آلية "ذاكرة الاستدلال المتكررة" على استمرارية حالة الاستدلال، مما يمنحها خصائص "استقرار التفكير" و"الإشراف الذاتي السياقي" الشبيهة بالبشر. ومع امتداد المهام عبر العديد من الخطوات (مثل مشاريع البحث، مهام برمجة متعددة الملفات، عمليات تحرير طويلة)، يصبح الحفاظ على خيط واحد متماسك أمرًا أساسيًا. يقلل التحقق الذاتي من الإخفاقات الصامتة؛ فبدلًا من تقديم إجابة محتملة لكنها خاطئة، يمكن للنموذج اكتشاف التناقضات وإعادة استشارة الأدوات أو إعادة التخطيط.
القدرات:
- الاتساق السياقي: يحافظ على الاستمرارية الدلالية عبر أكثر من 10k رمز؛
- اكتشاف الأخطاء والرجوع للخلف: يحدد الانحرافات المنطقية المبكرة في مسارات التفكير ويصححها؛
- حلقة تحقق ذاتي: يتحقق تلقائيًا من معقولية الإجابة بعد اكتمال الاستدلال؛
- دمج مسارات استدلال متعددة: يختار المسار الأمثل من بين سلاسل منطقية متعددة.
ما هي القدرات الأربع الجوهرية لـ K2 Thinking؟
استدلال عميق ومُنظّم
تم ضبط K2 Thinking لتوليد آثار استدلال صريحة ومتعددة المراحل واستخدامها للوصول إلى استنتاجات متينة. يُظهر النموذج درجات قوية على مقاييس الرياضيات والاستدلال الصارم (GSM8K، AIME، مقاييس على نمط IMO)، ويُظهر قدرة على إبقاء الاستدلال سليمًا عبر تسلسلات طويلة — وهو مطلب أساسي لحل المشكلات بمستوى بحثي. يبرهن أداؤه الممتاز على Humanity’s Last Exam (44.9%) على قدرات تحليلية بمستوى خبير. يمكنه استخراج أطر منطقية من أوصاف دلالية ضبابية وتوليد رسوم استدلالية.
الميزات الأساسية:
- يدعم الاستدلال الرمزي: يفهم ويعمل على البنى الرياضية والمنطقية والبرمجية.
- يمتلك قدرات اختبار الفرضيات: يمكنه اقتراح الفرضيات والتحقق منها تلقائيًا.
- قادر على تفكيك المشكلات متعددة المراحل: يجزّئ الأهداف المعقدة إلى مهام فرعية متعددة.
البحث الوكيلي
بدل خطوة استرجاع واحدة، يسمح البحث الوكيلي للنموذج بتخطيط استراتيجية البحث (ما الذي يجب البحث عنه)، وتنفيذها عبر استدعاءات متكررة للويب/الأدوات، وتوليف النتائج الواردة، وتنقيح الاستعلام. تُشير درجات BrowseComp وSeal-0 المعزَّزة بالأدوات إلى أداء قوي في هذه القدرة؛ صُمّم النموذج صراحةً للحفاظ على عمليات بحث ويب متعددة الجولات مع تخطيط حالي للحالة.
الجوهر التقني:
- يُشكّل نموذج البحث والنموذج اللغوي حلقة مغلقة: توليد الاستعلام → استرجاع صفحات الويب → الترشيح الدلالي → دمج الاستدلال.
- يمكن للنموذج ضبط استراتيجية البحث بشكل تكيّفي، مثل البحث عن التعاريف أولًا، ثم البيانات، وأخيرًا التحقق من الفرضيات.
- جوهريًا، هو ذكاء مركّب يجمع بين "استرجاع المعلومات + الفهم + الحُجّة".
البرمجة الوكيلية
هذه هي القدرة على كتابة الشيفرة، تنفيذها، اختبارها، وتكرارها كجزء من حلقة استدلال. يحقق K2 Thinking نتائج تنافسية على مقاييس البرمجة الحية والتحقق من الشيفرة، يدعم سلاسل أدوات بايثون في استدعاءاته، ويمكنه تشغيل حلقات تصحيح متعددة الخطوات عبر استدعاء صندوق معزول، قراءة الأخطاء، وإصلاح الشيفرة عبر تمريرات متكررة. تعكس نتائجه على EvalPlus/LiveCodeBench هذه القوة. يعني تحقيق درجة 71.3% في اختبار SWE-Bench Verified قدرته على إكمال أكثر من 70% من مهام إصلاح البرمجيات الواقعية بنجاح.
كما يُظهر أداءً مستقرًا في بيئة منافسات LiveCodeBench V6، ما يبرز قدرات تنفيذ الخوارزميات وتحسينها.
الجوهر التقني:
- يعتمد عملية "تحليل دلالي + إعادة هيكلة على مستوى AST + تحقق تلقائي"؛
- تتحقق عملية تنفيذ الشيفرة والاختبار عبر استدعاءات أدوات في طبقة التنفيذ؛
- يحقق حلقة تطوير مؤتمتة مغلقة من فهم الشيفرة → تشخيص الأخطاء → توليد التصحيحات → التحقق من النجاح.
الكتابة الوكيلية
ما وراء النثر الإبداعي، الكتابة الوكيلية هي إنتاج وثائق مُنظَّم موجّه بالهدف وقد يتطلب بحثًا خارجيًا، استشهادًا، توليد جداول، وتنقيحًا تكراريًا (مثلًا: إنتاج مسودة → تحقق من الحقائق → مراجعة). تجعل السياقات الطويلة وتنسيق الأدوات في K2 Thinking منه مناسبًا جيدًا لتدفقات كتابة متعددة المراحل (مذكرات بحث، ملخصات لوائح، محتوى متعدد الفصول). تدعم معدلات الفوز المفتوحة في اختبارات على طراز Arena ومقاييس الكتابة المطولة هذا الادعاء.
الجوهر التقني:
- يُولِّد المقاطع النصية تلقائيًا باستخدام تخطيط تفكير وكالي؛
- يتحكم داخليًا بمنطق النص عبر رموز الاستدلال؛
- يمكنه استدعاء أدوات مثل البحث، الحساب، وتوليد الرسوم البيانية بالتوازي لتحقيق "كتابة متعددة الوسائط".
كيف يمكنك استخدام K2 Thinking اليوم؟
طرق الوصول
يتوفر K2 Thinking كإصدار مفتوح المصدر (أوزان النموذج ونقاط التحقق) ومن خلال نقاط المنصات ومحاور المجتمع (Hugging Face، منصة Moonshot). يمكنك الاستضافة ذاتيًا إذا كانت لديك قدرة حوسبة كافية، أو استخدام واجهة CometAPI/واجهة مستضافة لبدء أسرع. كما يوثّق حقلًا باسم reasoning_content يعرض رموز التفكير الداخلية للمستدعي عند تفعيله.
نصائح عملية للاستخدام
- ابدأ بمكوّنات وكالية أساسية: اطرح مجموعة صغيرة من الأدوات الحتمية أولًا (البحث، صندوق بايثون المعزول، وقاعدة حقائق موثوقة). قدم مخططات أدوات واضحة ليتمكن النموذج من تحليل الاستدعاءات والتحقق منها.
- اضبط حوسبة وقت الاستدلال: لحل المشكلات الصعبة، اسمح بميزانيات تفكير أطول ومزيد من جولات استدعاءات الأدوات؛ قس كيف تتحسن الجودة مقابل زمن الاستجابة/التكلفة. تؤكد Moonshot أن التحجيم وقت الاختبار هو الرافعة الأساسية.
- استخدم أوضاع INT4 لكفاءة التكلفة: يدعم K2 Thinking تكميم INT4، والذي يوفر تسارعات ملحوظة؛ لكن تحقّق من السلوك في الحالات الحدية لمهامك. ([Hugging Face][2])
- اعرض محتوى الاستدلال بحذر: قد يساعد كشف السلاسل الداخلية في تصحيح الأخطاء، لكنه يزيد أيضًا من التعرض لأخطاء خام داخلية. عاملْ الاستدلال الداخلي كـتشخيصي لا كمرجعي؛ وأقرنه بتحقق مؤتمت.
الخلاصة — إذًا، عمّ يفكّر Kimi K2 Thinking؟
Kimi K2 Thinking هو إجابة مُهندسة عمدًا على حقبة الذكاء الاصطناعي التالية: ليس مجرد نماذج أكبر، بل وكلاء يفكرون، يتصرفون، ويتحققون. يجمع بين تحجيم MoE، استراتيجيات حوسبة وقت الاستدلال، استدلال منخفض الدقة أصلي، وتنسيق أدوات صريح لتمكين حل مشكلات مستدام متعدد الخطوات. بالنسبة للفرق التي تحتاج إلى حل متعدد الخطوات وتمتلك الانضباط الهندسي للتكامل، العزل، ومراقبة الأنظمة الوكالية، يُعد K2 Thinking خطوة كبرى قابلة للاستخدام — واختبار ضغط مهم لكيفية حكم الصناعة والمجتمع على نُظم الذكاء الاصطناعي ذات القدرات المتزايدة والموجهة نحو الفعل.
يمكن للمطورين الوصول إلى واجهة kimi-k2-thinking عبر CometAPI، ويتم دائمًا تحديث أحدث إصدار النموذج مع الموقع الرسمي. للبدء، استكشف قدرات النموذج في Playground وراجع دليل API للحصول على تعليمات مفصلة. قبل الوصول، يرجى التأكد من تسجيل الدخول إلى CometAPI والحصول على مفتاح API. تقدم CometAPI سعرًا أقل بكثير من السعر الرسمي لمساعدتك على التكامل.
جاهز للانطلاق؟→ سجّل في CometAPI اليوم!
إذا أردت معرفة المزيد من النصائح والأدلة والأخبار حول الذكاء الاصطناعي، تابعنا على VK، وX وDiscord!